《表4 各种优化CNN方法与IPSOCNN在MNIST数据集识别的正确率》
在MNIST手写数字数据集上,IPSOCNN算法的结果与多种优化CNN方法的结果进行对比,如表4所示.表4中第一行是原有的CNN,未进行任何优化.CNN-SA[10]用模拟退火算法改善CNN:6C-2S-12C-2S性能,该方法中卷积核大小是5×5.CNN-GA[6]基于遗传算法生成的解决方案对CNN的权重进行了初始化.CNN-PSO[11]在CNN:8C-8S-24C-24S-89C-90F-10F(F表示全连接层)上,混合PSO和随机梯度下降优化CNN.CNN-ABC[4]基于人工蜂群方法优化CNN.A-CNN为人工选择出的最佳结构.
图表编号 | XD0038550900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.15 |
作者 | 白燕燕、曹军、张福元、彭心怡 |
绘制单位 | 内蒙古大学数学科学学院、内蒙古大学数学科学学院、内蒙古大学数学科学学院、内蒙古大学数学科学学院 |
更多格式 | 高清、无水印(增值服务) |